可変長潜在世界モデルVLWM、長期計画でLeWMを平均13%上回る成果

何が起きたか

arXivに2026年6月19日付で公開された論文「Beyond the Next Step: Variable-Length Latent World Models for Long-Horizon Planning」において、研究チームは可変長の行動系列を条件として未来の潜在状態を予測するフレームワーク「Variable-length Latent World Models (VLWMs)」を提案した。既存のJEPAスタイルの潜在世界モデルは1ステップ予測に依存し、長期計画では再帰的な展開による誤差の蓄積と、訓練目的と計画タスクの不一致が課題とされる。VLWMはこの制限に対処するため、時間的に拡張されたダイナミクスを直接モデル化し、同一の予測器で異なる地平線の行動計画を評価できるようにする。実験では、長期制御タスクにおいて、潜在世界モデルの性能を大幅に向上させ、異なるデータセットで最先端のLeWMに対して平均13%の改善を達成した。

詳細

世界モデルは、観測と行動に条件付けられた将来の環境状態を推定する予測モデルを学習することで、知的エージェントを構築する有望なパラダイムとして近年注目されている。特にJEPAスタイルの潜在世界モデルは、コンパクトな表現空間で行動条件付きダイナミクスを学習することで、ピクセル空間での予測に代わる効率的な選択肢を提供する。しかし、既存の潜在世界モデルは通常1ステップ予測に依存し、長期計画のためには再帰的にロールアウトする必要があり、これが誤差の蓄積と、訓練目的と下流の計画タスクとの間のミスマッチを引き起こす。 VLWMはこの限界に対処するため、可変長の行動系列に条件付けられた将来の潜在状態を予測することを学習する。1ステップ遷移のみで訓練するのではなく、時間的に拡張されたダイナミクスを直接モデル化することで、同じ予測器が異なる地平線にわたって行動計画を評価できるようにする。さらに、行動の地平線を段階的に拡張するカリキュラム訓練戦略を導入し、短距離ダイナミクスから長距離予測への最適化を安定させる。テスト時には、VLWMの可変長予測能力を活用するために調整された計画手法を設計している。

Key Facts

なぜ重要か

この研究は、長期計画における潜在世界モデルの主要な課題である誤差の蓄積と訓練と計画の不一致に対処するものであり、ロボティクスや自動運転など長期的な意思決定を必要とする分野での応用が期待される。VLWMのシンプルかつ効果的なパラダイムは、今後の世界モデル研究の方向性を示す可能性がある。